[發明專利]一種學科知識智能學習方法

在審

• 申請號: 202210453877.0
• 申請日: 2022-04-27
• 公開（公告）號: CN115063265A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 徐繼寧;李志軍;宋浩;龔博
• 申請（專利權）人: 北方工業大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/9535
• 代理公司: 北京卓愛普專利代理事務所(特殊普通合伙) 11920
• 代理人: 王玉松

1.一種學科知識智能學習方法，其特征在于，包括如下步驟：

S1、構建標簽數據庫，其中包括顯性能力標簽數據、隱性能力標簽數據和試題類型標簽數據；

S2、創建顯性能力和隱性能力之間的關聯關系；

S3、將學科知識進行知識單元劃分，每個知識單元具有唯一ID，將學科知識的試題進行編號標注和標簽設置，形成包含帶有編號和標簽試題的試題庫，所述編號中包含有對應知識單元的ID值；

S4、將每個知識單元對應一個測試單元，所述測試單元內包含有推薦的測試試題；

S5、當監控到用戶學完當前知識單元時，獲取用戶與當前知識單元相對應的當前各顯性能力的能力值M_i，并根據預設規則從與當前知識單元相應的試題內調取與當前能力相適配的試題,設置為測試試題并形成測試單元進行推薦；

S6、當監控到用戶完成測試單元后，根據用戶的測試結果更新相應用戶的當前能力值M_i。

2.如權利要求1所述的學科知識智能學習方法，其特征在于，所述顯性能力和隱性能力之間的關聯關系為其中“＝”表示相關聯，n為與當前顯性能力相關聯的隱性能力的個數，α_j為隱性能力在當前與顯性能力關聯關系中的權重系數。

3.如權利要求1或2所述的學科知識智能學習方法，其特征在于，所述S5步驟具體為：

S501、當監控到用戶學完當前知識單元時，獲取用戶與當前知識單元相對應的當前各顯性能力的能力值M_i；并對能力值M_i按照由高到低的順序進行排序，獲取能力值最高的高顯性能力和能力值最低的低顯性能力；

S502、根據低顯性能力標簽，獲取與所述低顯性能力具有關聯關系的a個隱性能力

S503、調取包含相應隱性能力標簽的R個試題設置為測試試題，形成測試單元，并進行推薦。

4.如權利要求2所述的學科知識智能學習方法，其特征在于，在S503步驟之前還包括如下步驟：

S504、根據高顯性能力的標簽，獲取與所述高顯性能力具有關聯關系的b個隱性能力

S505、計算得到權重系數為正數的隱性能力設置為相應隱性能力。

5.如權利要求4所述的學科知識智能學習方法，其特征在于，在S505和S503步驟之間還包括如下步驟:

S506、判斷當前相應隱性能力的個數e，并與預設閾值u進行對比，當e＜u時進行S503步驟；當u≤e時進行S507步驟；

S507、將相應隱性能力按照權重系數由高到低排序，并選取前u個相應隱性能力，然后進行S503步驟。

6.如權利要求5所述的學科知識智能學習方法，其特征在于，所述S503步驟，具體包括如下步驟：

S508、計算每個隱性能力所對應的試題個數r_s＝α_sR，其中α_s為當前相應隱性能力的權重系數；

S509、從試題庫中搜索包含當前相應隱性能力標簽且未被標記為“以選擇”的試題，按照預設規則選擇r_s個并將其標記為“以選擇”；

S510、當R個試題全部選擇完畢后，設置為測試試題，形成測試單元并進行推薦。

7.如權利要求6所述的學科知識智能學習方法，其特征在于，所述預設規則為：根據搜索到的試題所包含的隱性能力標簽個數由少到多進行排序，選擇前r_s個。

8.如權利要求3所述的學科知識智能學習方法，其特征在于，所述試題編號中還包括知識點編號，所述知識單元均綁定有必須考核的知識點編號。